[发明专利]一种基于大数据融合分析模型的配网设备状态检修方法

说明书

基于大数据融合分析模型的配网设备状态检修，通过对设备的运行、使用以及环境状态进行监视，以大量的设备当前实际工作状况为依据，通过状态监测和诊断评估手段，判断设备的状态，识别故障的早起征兆，对故障部位及其严重程度、故障发展趋势做出判断，并根据分析诊断结果，在设备性能下降到一定程度或故障即将要发生之前主动实施维修。

技术领域

本发明涉及一种智能电网技术，具体是一种基于大数据融合分析模型的配网设备状态检修方法。

背景技术

配电网设备检修是保证其安全稳定运行的一项重要措施，合理的检修计划安排不仅可以提高电网企业自身的经济效益，同时也能够最大程度地保证配电网的供电可靠性。目前设备的检修方式主要包括事后检修以及预防性检修。事后检修是指设备发送故障后，使其恢复到规定或初始状态所进行的维修活动，也称为故障修理，其活动通常包括：故障定位、故障隔离、分解更换元部件、组装、调校、实验等。它能够最大限度地利用设备，但是这种检修方式存在重大缺陷：由于故障发生时间是随机的，无法有计划的安排检修时间，而且事后维修会打扰生产作业计划，使得生产秩序陷入被动，并可能对设备产生严重破坏，造成维修时间长、成本高。预防性检修的特点是事先根据不同设备的故障规律确定设备大修、小修的检修周期，在一定程度上能够将故障消灭在萌芽之中，但无法做到有针对性的检修。

发明内容

本发明所解决的技术问题在于提出一种,基于大数据融合分析模型的配网设备状态检修，通过对设备的运行、使用以及环境状态进行监视，以大量的设备当前实际工作状况为依据，通过状态监测和诊断评估手段，判断设备的状态，识别故障的早起征兆，对故障部位及其严重程度、故障发展趋势做出判断，并根据分析诊断结果，在设备性能下降到一定程度或故障即将要发生之前主动实施维修。

状态检修是预防性检修体制的升级版，可预先安排维修、充分利用设备能力、使设备具有较高的利用率,以解决上述背景技术中所述的问题。

本发明所解决的技术问题采用以下技术方案来实现：基于大数据融合分析模型的配网设备状态检修方法，基于全数据的配网设备状态监测模型，包含设备基本信息、健康状态、通讯状态、行为动作、设备参数以及环境条件等多个方面。

其中基本信息指装置铭牌信息，用于快速识别配网设备，主要包括装置型号、装置描述、生成厂商、端口数量、硬件版本、固件版本、软件版本、IP地址以及MAC地址等；

健康状态主要从电源、CPU、软件、内存、存储、装置以及时钟等多个方面进行健康状态的信息建模，反映配网设备自身的工作状态健康情况；

通讯状态主要包括端口、光功率、流量以及业务状态，反映配网设备通讯及端口状态；

行为动作主要包括实时记录以及实时监测，反映配网设备的业务信息；

设备参数主要包括设备参数以及参数状态，反映配网设备的配置状态；

环境条件主要包括恶劣条件以及常规条件，反映配网设备的生存环境；

基于大数据融合分析的配网设备模型，为其检修状态分析提供了基础，在此基础上建立数据的约束关系，实现配网设备的大数据在线监视。设备状态信息(健康状态、环境条件)具有“连续缓慢变化”特性，可用趋势性状态在线监测方法提取出继电保护的关键状态；动作状态(行为动作)信息具有“离散阶跃变化”特性，可用损失性状态在线监测提取出继电保护的关键状态。配置状态(设备参数)信息具有“恒值”特性，可用一致性状态在线监测提取出继电保护的关键状态；自检/异常告警信息是经处理后的熟数据，能够表征继电保护装置内部CPU的运行状态等。主要监测内容如下：

1)趋势性在线监测